Sigmoid Tanh and Relu 原函数导函数图像python绘制

最新推荐文章于 2025-06-19 16:12:10 发布

原创最新推荐文章于 2025-06-19 16:12:10 发布 · 7.9k 阅读

36 ·

CC 4.0 BY-SA版权

人工智障学习专栏收录该内容

1 篇文章

订阅专栏

本文通过Python的Matplotlib和NumPy库，详细展示了Sigmoid、Tanh和ReLU三种常见激活函数及其导数的绘制过程。每种函数都以图像形式直观呈现，帮助读者理解其特性与差异。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import matplotlib.pyplot as plt 
import numpy as np
plt.rcParams['font.family']='SimHei'
plt.rcParams['font.sans-serif']=['SimHei']

更改字体，正确显示中文

import matplotlib
matplotlib.rcParams['font.family']='SimHei'
matplotlib.rcParams['font.sans-serif']=['SimHei']

sigmoid 函数

x=np.linspace(-10,10,100)
y=1/(1+np.exp(-x))
plt.xlabel("x")
plt.ylabel("y")
plt.title("sigmoid function and its derivative image")
plt.plot(x,y,color='r',label="sigmoid")
y=np.exp(-x)/pow((1+np.exp(-x)),2)
plt.plot(x,y,color='b',label="derivative")
plt.legend()#将plot标签里面的图注印上去

在这里插入图片描述

tanh函数

x=np.linspace(-10,10,100)
y=(1-np.exp(-2*x))/(1+np.exp(-2*x))
plt.xlabel('x')
plt.ylabel('y')
plt.title("Tanh function and its derivative image")
plt.plot(x,y,color='r',label='Tanh')
y=1-pow((1-np.exp(-2*x))/(1+np.exp(-2*x)),2)
plt.plot(x,y,color='b',label='derivative')
plt.legend()

在这里插入图片描述

Relu 函数（分段函数的绘图）

一定要注意，分段函数的取值，x与y一定要对应起来！

x=np.linspace(-2,2,100)
y=x*(x>0)
plt.xlabel('x')
plt.ylabel('y')
plt.title("Relu function and its derivative image")
plt.plot(x,y,color='r',label="Relu")

x=np.linspace(-2,0)
y=np.linspace(0,0)
plt.plot(x,y,color='b')

x=np.linspace(0,2)
y=np.linspace(1,1)
plt.plot(x,y,color='b',label="derivative")

plt.legend()